水果分级是采后加工的重要环节之一,利用机器视觉技术对水果进行分级具有无损水果、分级精度高、速度快等优点。本文以水果分级为目标,以红富士苹果为研究对象,进行了基于机器视觉技术的水果自动分级研究。针对传统的机器视觉技术在实现水果分级过程中,计算机对水果果梗、果萼和表面缺陷判断困难且需要花费大量时间的不足,本文提出了利用机械设计与机器视觉相结合的思路,明确了装置设计的基本要求,并设计了苹果试验系统。为提高图像采集质量,减少图像处理时间,对图像采集中苹果背景颜色的选择进行了研究,研究表明黑色背景有助于目标与背景的分离;为提高图像处理速度,在图像底层信息处理中,引入了超快速中值滤波算法,并直接采用阈值法分割图像、进行轮廓跟踪,取得很好的效果。在苹果大小分级方面,在分析传统水果特征提取方法的基础上,提出采用当量直径代替苹果直径作为其大小特征进行分级;在苹果形状分级方面,提出用提取圆形度的方法来描述其形状特征;在对苹果进行颜色分级时,提出用HSI模型描述其颜色特征,并根据苹果色度直方图特点,采用4个色度均值代替苹果色度值。在此基础上,建立了BP神经网络水果分级系统,试验结果表明该系统分级精度高,能够满足分级要求。